《Energy Nexus》：Supercritical Methanol Transesterification for Simultaneous Biodiesel Production Based on Cir-ULIF-MABAC-TOPSIS Model with Hamacher Norms
编辑推荐：
在可再生能源领域，选择最优的生物柴油生产工艺是复杂且充满不确定性的关键决策。为解决这一问题，由Hamza Zafar等人领导的研究团队开发了一种新型的决策支持模型。该模型将圆形不确定语言直觉模糊集（Cir-ULIFS）理论、MABAC（多属性边界逼近区域比较）和TOPSIS（逼近理想解排序法）两种经典多属性决策方法，以及Hamacher范数算子有机结合。研究人员利用该模型评估了包括酶法酯交换、藻类生物燃料生产在内的五种工艺，旨在确定最适合与超临界甲醇酯交换技术进行同步生产的方案。通过数值实例与现有方法对比，验证了新模型在评估超临界甲醇酯交换同步生产过程中的优越性、有效性与普适性，为生物柴油生产技术的优化选择提供了严谨的理论工具和实践指南。
在寻求化石燃料替代品的全球浪潮中，生物柴油作为一种可再生、可生物降解的清洁燃料，扮演着至关重要的角色。它来源于动植物油脂等生物质资源，能显著减少温室气体排放和对原油的依赖。然而，生物柴油的生产并非没有挑战。传统的酯交换生产工艺通常需要催化剂，对原料品质敏感，反应步骤多，且可能产生皂化物，导致分离纯化过程复杂。这些限制促使科学家们探索更高效、更环保的先进生产技术，其中，超临界甲醇酯交换 技术脱颖而出。该技术让甲醇在超过其临界点（239°C，8.1 MPa）的高温高压条件下，无需催化剂即可与油脂反应，具有反应速度快、能同时处理游离脂肪酸和甘油三酯、对原料水分和酸值耐受性强等显著优势，特别适合大规模连续生产。但一个现实的问题是：如何科学、精准地评估这项先进技术，并将其与酶法、藻类制油等其他有前景的生物燃料生产工艺进行比较，以确定最优的协同生产方案？决策者常常面临信息模糊、不确定和定性的复杂数据，传统的“是非”判断难以应对。
为了破解这一决策难题，一篇发表在《Energy Nexus》上的研究提出了一种创新性的数学评估框架。由Hamza Zafar、Zeeshan Ali、Bo Hsiao、Sarbast Moslem和Tapan Senapati组成的研究团队，设计并验证了一个名为“基于Hamacher范数的圆形不确定语言直觉模糊MABAC-TOPSIS模型”（Cir-ULIF-MABAC-TOPSIS Model with Hamacher Norms）。这项研究的核心目标是开发一个强大的决策工具，以处理评估超临界甲醇酯交换同步生产工艺时固有的复杂性和不确定性，从而筛选出最匹配的协同生产技术。
为了构建这个强大的评估模型，研究人员综合运用了多种前沿的数学与决策科学理论。首先，他们创造性地将圆形直觉模糊集 和不确定语言集 相结合，提出了“圆形不确定语言直觉模糊集”（Cir-ULIFS）。这一新理论工具能够同时刻画决策信息中的隶属度、非隶属度、犹豫度（源于直觉模糊集）、语言描述的不确定性区间（如“好到很好”），以及这些度量的圆形关联性，极大地增强了模型描述复杂、模糊现实信息的能力。其次，他们引入了参数化的Hamacher t-范数 和t-余范数 作为新的运算规则，其优势在于能通过调节参数γ，灵活地在多种经典运算规则（如代数积、有界积等）之间过渡，使模型更具一般性和适应性。基于此，他们进一步定义了针对Cir-ULIFS信息的Hamacher加权平均Cir-ULIFHWA 和Hamacher加权几何Cir-ULIFHWGM 算子，用于聚合多位决策者或多项准则的信息。最终，他们将两种经典的多属性决策方法——MABAC 和TOPSIS ——的优势融合，构建了新的Cir-ULIF-MABAC-TOPSIS 评估模型。MABAC方法通过计算各方案与“边界近似区域”的距离来排序，而TOPSIS方法则通过衡量各方案与“正理想解”和“负理想解”的贴近度来排序。新模型整合了二者的排序逻辑，以期获得更稳健、可靠的评估结果。
模型构建与理论验证
研究首先在理论上严格定义了Cir-ULIFS的概念、运算规则、得分函数和精确函数。随后，基于Hamacher范数，推导并建立了适用于Cir-ULIFS信息的Hamacher运算律，以及Cir-ULIFHWA和Cir-ULIFHWGM聚合算子，并证明了这些算子满足幂等性、有界性、单调性等基本数学性质。这为后续的决策模型奠定了坚实的数学基础。
评估框架应用于生物柴油生产工艺选择
研究人员将该模型应用于一个实际的决策场景：评估五种生物柴油生产工艺与超临界甲醇酯交换进行同步生产的适宜性。五种待评估的替代工艺包括：酶法酯交换、藻类生物燃料生产、厌氧消化、加氢处理植物油和生物质热解。评估需要考虑多个关键准则，例如工艺效率、环境影响、经济成本、技术成熟度和可持续性等。决策者使用Cir-ULIFS形式来表达他们对各个工艺在不同准则下的绩效评估，这种表达方式能容纳自然语言评价（如“中等偏好”）及其不确定性，以及对评价的肯定与否定程度。
模型求解与排序分析
通过应用新建立的Cir-ULIF-MABAC-TOPSIS模型，研究对五种工艺进行了系统评估和排序。计算过程包括：构建标准化决策矩阵，确定正负理想解（TOPSIS思路）或边界近似区域（MABAC思路），计算各方案与参考点的距离，最终得到综合排序值。数值计算的结果给出了五种工艺的优劣顺序，明确指出哪一种工艺最适合作为超临界甲醇酯交换的同步生产方案。
与现有方法的对比分析
为了验证新模型的有效性和优越性，研究将Cir-ULIF-MABAC-TOPSIS模型的排序结果，与几种现有的、基于其他模糊集合理论的决策模型（如传统模糊TOPSIS、直觉模糊TOPSIS、圆形直觉模糊TOPSIS等）的排序结果进行了对比。分析表明，新模型得出的排序结果与这些主流模型具有一致性，验证了其合理性。同时，新模型因其更强大的信息表达能力（融合了圆形、直觉、语言不确定性）和更灵活的运算规则（Hamacher范数），被认为能更好地处理现实决策中的复杂性和不确定性，是已有模型的泛化和提升。
研究结论与意义
这项研究的主要结论是，所提出的基于Hamacher范数的Cir-ULIF-MABAC-TOPSIS模型是一个有效、可靠且通用的多属性决策工具。它成功地解决了在信息高度模糊、不确定且涉及语言评价的复杂环境中进行优选决策的难题。将该模型应用于生物柴油生产工艺评估的实例证明，它能够清晰区分不同方案的优劣，为决策者选择最适合与超临界甲醇酯交换技术协同的生产路径提供了科学依据。
本研究的核心意义在于方法论上的创新。它不仅通过融合Cir-IFS和ULS提出了更具表现力的Cir-ULIFS理论，还通过整合MABAC和TOPSIS两种方法的优势，创建了更稳健的决策框架。这使得该模型不仅能应用于生物能源技术评估，其通用性使其可广泛适用于工程、管理、环境科学、经济学等任何涉及复杂不确定决策的领域。此外，研究所强调的超临界甲醇酯交换技术的优势——如无需催化剂、原料适应性广、可实现同步酯交换和酯化反应——为推动生物柴油生产向更高效、更环保、更可持续的工业化方向发展提供了重要的理论支持和决策工具。最终，这项工作通过将先进的模糊数学理论与实际的能源可持续性问题相结合，为应对全球能源挑战贡献了一种新颖而强大的分析视角。
